诺和诺德 是一家全球领先的制药公司,负责生产每天惠及超过 34 万患者的救命药物。 他们这样做遵循他们的三重底线——他们必须努力实现环境可持续、社会可持续和财务可持续。 使用 AWS 和数据的组合支持所有这些目标。
数据在诺和诺德的整个价值链中无处不在。 从基础研究、生产线、销售和营销、临床试验、药物警戒,到面向患者的数据驱动应用程序。 因此,了解如何以提供最大价值的方式存储、保护和使用数据是提高业务成果的核心驱动力之一。
和...一起 AWS专业服务,我们正在使用现代数据架构构建数据和分析解决方案。 Novo Nordisk 与 AWS 专业服务之间的合作是一项战略性的长期密切合作,两家组织的开发人员多年来一直密切合作。 数据和分析环境围绕数据网格的核心原则构建——数据的分散域所有权、数据作为产品、自助服务数据基础设施和联合计算治理。 这使环境的用户能够以推动最佳业务成果的方式处理数据。 我们将其与演化架构中的元素相结合,这将使我们能够随着 AWS 不断开发新的服务和功能来调整不同的功能。
在本系列博文中,您将了解 Novo Nordisk 和 AWS Professional Services 如何构建数据和分析生态系统以加速 PB 级创新:
- 在第一篇博文中,您将了解整体设计如何使各个组件以模块化方式组合在一起。 我们深入探讨了如何基于数据网格架构构建数据管理解决方案。
- 第二篇文章讨论了我们如何在构成整个解决方案的系统之间建立信任网络。 我们展示了我们如何使用事件驱动架构,结合使用基于属性的访问控制,以确保大规模遵守权限边界。
- 在第三篇文章中,我们展示了最终用户如何在不影响数据治理的情况下使用他们选择的工具中的数据。 这包括如何配置 Okta, AWS湖形成和 Microsoft Power BI 以启用基于 SAML 的联合使用 亚马逊雅典娜 用于企业商业智能 (BI) 活动。
制药合规环境
作为制药行业,遵守 GxP 是诺和诺德的强制要求。 GxP 是欧洲药品管理局、美国食品和药物管理局等监管机构制定的“Good x Practice”质量指南和法规的总称。 这些指南旨在确保医药产品在其预期用途中安全有效。 在数据环境的上下文中,GxP 合规性涉及对用于决策和流程的数据实施完整性控制,并用于指导如何实施变更管理流程以持续确保合规性。
由于此数据环境支持整个组织的团队,因此每个数据所有者都必须对其数据负责。 功能旨在为数据所有者提供管理数据时的自主权和透明度,使他们能够承担此责任。 这包括处理个人身份信息 (PII) 数据和其他敏感工作负载的能力。 为了提供对环境的可追溯性,添加了审计功能,我们将在本文中详细介绍。
解决方案概述
完整的解决方案是一个庞大的独立服务环境,这些服务协同工作以通过 PB 级的分散式数据治理模型实现数据和分析。 示意性地,它可以如下图所示。
该架构分为三个独立的层:数据管理、虚拟化和消费。 最终用户位于消费层并使用他们选择的工具工作。 它旨在将尽可能多的 AWS 原生资源抽象为应用程序原语。 消费层集成到虚拟化层中,虚拟化层抽象了对数据的访问。 虚拟化层的目的是在数据消费和数据管理解决方案之间进行转换。 对数据的访问由我们称为数据管理解决方案的管理。 我们将在本文后面讨论我们的多功能数据管理解决方案之一。 该架构中的每一层都相互独立,而是仅依赖于定义良好的接口。
这种架构的核心是访问被封装在一个 AWS身份和访问管理 (IAM) 角色会话。 数据管理层专注于为 IAM 角色提供正确的权限和治理,虚拟化层提供对角色的访问,消费层抽象出角色在所选工具中的使用。
技术架构
总体架构中的三层中的每一层都有不同的职责,但没有单一的实现。 将它们视为抽象类。 它们可以在具体类中实现,在我们的例子中,它们依赖于基础 AWS 服务和功能。 让我们来看看这三个层中的每一层。
数据管理层
数据管理层负责提供对数据的访问和治理。 如下图所示,数据管理层中的最小结构是 亚马逊简单存储服务 (Amazon S3) 存储桶和一个提供对 S3 存储桶访问权限的 IAM 角色。 这个结构可以扩展到包括 Lake Formation 的精细权限,审计 AWS 云跟踪,以及来自的安全响应能力 AWS 安全中心. 下图还显示了单个数据管理解决方案没有单一跨度。 它可以跨多个 AWS 账户并由任意数量的 IAM 角色组合组成。
我们有意未在此图中说明这些角色的信任策略,因为它们是虚拟化层和数据管理层之间的协作责任。 我们将在本系列的下一篇文章中详细介绍其工作原理。 数据工程专业人员通常直接与数据管理层交互,他们在数据管理层管理和准备数据以供使用。
虚拟化层
虚拟化层的目的是跟踪谁可以做什么。 它本身没有任何功能,但将需求从数据管理生态系统转换到消费层,反之亦然。 它使消费层的最终用户能够根据他们的权限访问和操作一个或多个数据管理生态系统中的数据。 该层从最终用户那里抽象出有关数据访问的技术细节,例如权限模型、角色假设和存储位置。 它拥有与其他层的接口并执行抽象逻辑。 在六边形架构的背景下(见 使用 AWS Lambda 开发进化架构),接口层扮演域逻辑、端口和适配器的角色。 另外两层是演员。 数据管理层将层的状态传达给虚拟化层,并反过来接收有关要信任的服务环境的信息。 虚拟化层架构如下图所示。
消费层
消费层是数据产品的最终用户所在的地方。 这可以是数据科学家、商业智能分析师或任何通过使用数据产生价值的第三方。 对于这种类型的架构,消费层具有基于挂钩的登录流程很重要,可以在登录时修改对应用程序的授权。 这是为了将特定于 AWS 的要求转化为目标应用程序。 在客户端应用程序中的会话成功启动后,由应用程序本身来检测数据层抽象,因为这将是特定于应用程序的。 这是一个额外的重要脱钩,其中一些责任被推给了分散的单位。 许多现代软件即服务 (SaaS) 应用程序都支持这些内置机制,例如 Databricks or Domino数据实验室,而更传统的客户端应用程序,如 RStudio 服务器 对此有更有限的本机支持。 在缺少本机支持的情况下,可以向下转换为操作系统用户会话以启用抽象。 下图示意性地显示了消费层。
当按预期使用消费层时,用户不知道虚拟化层的存在。 下图说明了数据访问模式。
模块化
采用六边形架构模式并将消费层和数据管理层委托给主要和次要参与者的主要优势之一是,随着需要新解决方案的新功能的发布,它们可以被更改或替换。 这提供了一种中心辐射型模式,其中可以连接许多不同类型的生产者/消费者类型系统并同时联合工作。 这方面的一个例子是,当前在诺和诺德运行的解决方案支持多个同步数据管理解决方案,并在消费层以同质方式公开。 这包括数据湖、本文中介绍的数据网格解决方案,以及几个独立的数据管理解决方案。 这些都暴露给多种类型的消费应用程序,从自定义托管的自托管应用程序到 SaaS 产品。
数据管理生态系统
为了扩展数据的使用并增加自由度,Novo Nordisk 与 AWS Professional Services 共同构建了一个名为 Novo Nordisk Enterprise DataHub (NNEDH) 的数据管理和治理环境。 NNEDH 实现了去中心化的分布式数据架构,以及企业业务数据目录和数据共享工作流等数据管理能力。 NNEDH 是前面介绍的概念框架中数据管理生态系统的一个例子。
去中心化架构:从集中式数据湖到分布式架构
诺和诺德的集中式数据湖包含来自全球 2.3 多个业务数据域的 30 PB 数据,为整个价值链中的 2000 多个内部用户提供服务。 它已经成功运行了几年。 它是目前支持的数据管理生态系统之一。
在集中式数据架构中,来自每个数据域的数据在一个中央位置复制、存储和处理:一个中央数据湖托管在一个数据存储中。 这种模式在规模上存在挑战,因为它保留了中央团队的数据所有权。 从规模上看,这种模式减缓了向数据驱动型组织迈进的步伐,因为数据的所有权没有充分固定在最接近该领域的专业人员身上。
在去中心化的分布式数据架构中,来自每个域的数据都保存在域内自己的数据存储和计算帐户中。 在这种情况下,数据保存在领域专家附近,因为他们是最了解自己数据的人,并且最终是围绕其数据构建的任何数据产品的所有者。 他们经常与业务分析师密切合作来构建数据产品,因此知道好的数据对其数据产品的消费者意味着什么。 在这种情况下,数据责任也是分散的,每个领域都有自己的数据所有者,将责任推给数据的真正所有者。 然而,这种模式可能不适用于小规模,例如只有一个业务部门和数十名用户的组织,因为它会给 IT 团队带来更多管理组织数据的开销。 它更适合大型组织,或希望发展壮大的中小型组织。
诺和诺德数据网格架构如下图所示。
数据域和数据资产
为了在整个组织中实现数据域的可扩展性,必须具有标准的权限模型和数据访问模式。 该标准不能限制太多,以至于它可能成为特定用例的障碍,但应该以在数据管理层和虚拟化层之间使用相同接口的方式进行标准化。
NNEDH 上的数据域由称为 环境. 一个环境至少由一个 AWS 账户和一个 AWS 区域组成。 这是一个数据领域团队可以工作和协作以构建数据产品的工作场所。 它将 NNEDH 控制平面链接到域的数据和计算所在的 AWS 账户。 数据访问权限也在环境级别定义,由数据域的所有者管理。 这些环境包含三个主要组件:数据管理层和治理层、数据资产以及可选的数据处理蓝图。
对于数据管理和治理,数据域依赖于 Lake Formation, AWS胶水和 CloudTrail。 这些组件的部署方法和设置是跨数据域标准化的。 这样,NNEDH 控制平面可以以标准化方式为数据域提供连接和管理。
驻留在环境中的每个域的数据资产都组织在数据集中,数据集是用于构建数据产品的相关数据的集合。 它包括数据格式、大小和创建时间等技术元数据,以及生产者、数据分类和业务定义等业务元数据。 一个数据产品可以使用一个或多个数据集。 它通过托管 S3 存储桶和 AWS Glue 数据目录实施。
数据处理可以以不同的方式实现。 NNEDH 为数据管道提供蓝图,具有与数据资产的预定义连接,以加快数据产品的交付。 数据域用户可以自由地在其域上使用任何其他计算能力,例如使用蓝图上未预定义的 AWS 服务或从消费层中实施的其他分析工具访问数据集,如本文前面所述。
数据域角色和角色
在 NNEDH 上,数据域的权限级别通过预定义的角色进行管理,例如数据所有者、数据管理员、开发人员和读者。 每个角色都与一个具有预定义权限级别的 IAM 角色相关联。 这些权限基于用户对这些角色的典型需求。 然而,为了给数据域更多的灵活性,这些权限可以根据需要定制和扩展。
与每个角色关联的权限仅与数据域的 AWS 账户上允许的操作相关。 对于数据资产的问责制,对资产的数据访问由特定的资源策略而不是 IAM 角色管理。 只有每个数据集的所有者或所有者委托的数据管理员才能授予或撤销数据访问权限。
在数据集级别,必需的角色是数据所有者。 通常,他们作为数据产品经理与一名或多名数据管理员密切合作。 数据管理员是数据产品领域的数据主题专家,负责解释收集到的数据和元数据,以获得深入的业务洞察力并构建产品。 数据管理员在每个数据域上的业务用户和技术团队之间架起桥梁。
企业业务数据目录
为了实现自由并使组织数据资产可发现,实施了基于 Web 的门户数据目录。 它在单个存储库中索引来自基于数据域构建的数据集的元数据,从而打破整个组织的数据孤岛。 数据目录支持跨不同域的数据搜索和发现,以及数据共享的自动化和治理。
业务数据目录在组织内实施数据治理流程。 它确保数据所有权——组织中有人负责数据来源、定义、业务属性、关系和依赖关系。
业务数据目录的核心构造是数据集。 它是业务目录中的搜索单元,同时具有技术和业务元数据。 为了从结构化数据中收集技术元数据,它依靠 AWS Glue 爬虫从最流行的数据格式(包括 CSV、JSON、Avro 和 Apache Parquet)中识别和提取数据结构。 它提供数据类型、创建日期和格式等信息。 业务用户可以通过添加业务上下文、标签和数据分类的描述来丰富元数据。
数据集定义和相关元数据存储在 Amazon Aurora 无服务器 数据库和 亚马逊开放搜索服务,使您能够对数据目录运行文本查询。
数据共享
NNEDH 实施数据共享工作流程,使用 Lake Formation 实现跨 AWS 账户的点对点数据共享。 工作流程如下:
- 数据消费者请求访问数据集。
- 数据所有者通过批准访问请求来授予访问权限。 他们可以将访问请求的批准委托给数据管理员。
- 访问请求获得批准后,将向生产者帐户的 Lake Formation 中的特定数据集添加新权限。
下图示意性地显示了数据共享工作流程。
安全和审计
Novo Nordisk 数据网格中的数据位于 Novo Nordisk 企业账户拥有的 AWS 账户中。 数据网格的配置和状态存储在 亚马逊关系数据库服务 (亚马逊 RDS)。 诺和诺德安全架构如下图所示。
出于审计目的,需要记录对 NNEDH 中数据的访问和编辑。 我们需要知道谁修改了数据、修改发生的时间以及应用了哪些修改。 此外,我们需要能够回答为什么当时那个人允许修改。
为了满足这些要求,我们使用以下组件:
- CloudTrail 用于记录 API 调用。 我们专门为 S3 存储桶和对象启用 CloudTrail 数据事件日志记录。 通过激活日志记录,我们可以将对数据湖中任何文件的任何修改追溯到进行修改的人。 我们强制使用 来源身份 用于 IAM 角色会话以确保用户可追溯性。
- 我们使用 Amazon RDS 来存储数据网格的配置。 我们记录对 RDS 数据库的查询。 与 CloudTrail 一起,此日志使我们能够回答为什么特定人员可以在特定时间对 Amazon S3 中的文件进行修改的问题。
- 亚马逊CloudWatch 记录整个网格的活动。
除了这些日志记录机制之外,S3 存储桶是使用以下属性创建的:
- 存储桶使用服务器端加密进行加密 AWS密钥管理服务 (AWS KMS) 和客户管理的密钥
- Amazon S3 版本控制默认激活
对 NNEDH 中数据的访问在组级别而不是个人用户级别进行控制。 该组对应于 Novo Nordisk 目录组中定义的组。 为了跟踪修改数据湖中数据的人,我们使用帖子中解释的源身份机制 如何将 IAM 角色活动与企业形象联系起来.
结论
在本文中,我们展示了 Novo Nordisk 如何构建现代数据架构来加速数据驱动用例的交付。 它包括一个分布式数据架构,用于将整个价值链中 2,000 多名内部用户的使用扩展到 PB 级,以及一个分布式安全和审计架构,用于处理环境中的数据问责制和可追溯性以满足他们的合规性要求。
本系列的下一篇文章描述了诺和诺德现代数据架构大规模分布式数据治理和控制的实施。
作者简介
乔纳坦塞尔辛 是一位前研究科学家,拥有天体物理学博士学位,现已转向云端。 他目前是 Novo Nordisk 的首席云工程师,负责支持大规模数据和分析工作负载。 他强调降低基于云的工作负载的总拥有成本,同时充分利用云的优势,他设计、构建和维护解决方案,以支持未来药物的研究。
哈森里亚希 是 AWS Professional Services 的高级数据架构师。 他拥有大规模数据管理方面的数学和计算机科学博士学位。 他与 AWS 客户合作构建数据驱动的解决方案。
安华黎刹 是驻巴黎的高级机器学习顾问。 他与 AWS 客户合作开发数据和 AI 解决方案,以可持续地发展他们的业务。
摩西亚瑟 来自数学和计算研究背景,拥有计算智能博士学位,专门研究图挖掘。 他目前是 Novo Nordisk 的云产品工程师,为生产数字化医疗产品的 Novo Nordisk 全球工厂构建符合 GxP 的企业数据湖和分析平台。
亚历山德罗·菲奥 是 AWS Professional Services 的高级数据架构师。 他在提供数据和分析解决方案方面拥有超过 10 年的经验,热衷于设计和构建现代且可扩展的数据平台,以加速公司从数据中获取价值。
库马里·拉马尔 是 AWS Professional Services 的敏捷认证和 PMP 认证高级项目经理。 她提供可加速跨系统分析和机器学习模型的数据和 AI/ML 解决方案,使企业能够做出数据驱动的决策并推动新的创新。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
- Sumber: https://aws.amazon.com/blogs/big-data/how-novo-nordisk-built-a-modern-data-architecture-on-aws/
- 000
- 10
- 100
- a
- Able
- 关于
- 摘要
- 摘要
- 加快
- ACCESS
- 访问数据
- 访问
- 根据
- 账号管理
- 问责制
- 账户
- 横过
- 行动
- 激活
- 活动
- 活动
- 适应
- 添加
- 增加
- 额外
- 管理
- 采用
- 优点
- 后
- 驳
- 机构
- 敏捷
- AI
- AI / ML
- 所有类型
- 允许
- Amazon
- 亚马逊RDS
- 分析师
- 分析
- 和
- 回答
- 阿帕奇
- API
- 应用领域
- 特定应用
- 应用领域
- 应用的
- 批准
- 架构
- 围绕
- 办公室文员:
- 相关
- 天体物理学
- 属性
- 审计
- 审计
- Aurora
- 授权
- 自动化
- AWS
- AWS胶水
- AWS专业服务
- 背部
- 背景
- 基于
- 因为
- 得益
- 最佳
- 更好
- 之间
- 半身裙/裤
- 边界
- 破坏
- 桥梁
- 建立
- 建筑物
- 建立
- 建
- 内建的
- 商业
- 商业智能
- 被称为
- 呼叫
- 能力
- 案件
- 例
- 检索目录
- 中央
- 集中
- 认证
- 链
- 挑战
- 更改
- 选择
- 类
- 分类
- 临床资料
- 临床试验
- 关闭
- 密切
- 云端技术
- 合作
- 合作
- 共同
- 收集
- 采集
- 组合
- 组合
- 结合
- 如何
- 公司
- 公司
- 符合
- 组件
- 由
- 包含
- 折中
- 计算
- 一台
- 计算机科学
- 概念上的
- 配置
- 已联繫
- 连接方式
- 建设
- 顾问
- 消耗
- 消费者
- 消费者
- 消费
- 上下文
- 控制
- 受控
- 控制
- 核心
- 公司
- 对应
- 价格
- 再加
- 创建
- 创建
- USB和Thunderbolt Cross
- 电流
- 目前
- 习俗
- 顾客
- 合作伙伴
- data
- 数据访问
- 数据基础设施
- 数据湖
- 数据管理
- 数据处理
- 数据共享
- 数据存储
- 数据驱动
- 数据库
- Databricks
- 数据集
- 日期
- 天
- 分散
- 决定
- 决策
- 决定
- 深
- 交付
- 提供
- 交货
- 部署
- 描述
- 描述
- 设计
- 设计
- 设计
- 设计
- 细节
- 详情
- 开发
- 开发
- 发展
- 不同
- 直接
- 发现
- 讨论
- 不同
- 分布
- 不会
- 域
- 域名
- 别
- 向下
- 驾驶
- 驱动程序
- 药物
- 每
- 此前
- 生态系统
- 生态系统
- 有效
- 分子
- 重点
- enable
- 启用
- 使
- 使
- 封装
- 加密
- 加密
- 订婚
- 工程师
- 工程师
- 丰富
- 确保
- 确保
- 企业
- 企业
- 整个
- 环境
- 环保
- 环境中
- 醚(ETH)
- 欧洲
- 活动
- 例子
- 存在
- 扩大
- 体验
- 技术专家
- 专家
- 解释
- 裸露
- 提取
- 工厂
- 特征
- 数字
- 文件
- 档
- 经济
- 姓氏:
- 高度灵活
- 流
- 重点
- 以下
- 如下
- 食品
- 食品和药物管理局
- 格式
- 训练
- 前
- 基金会
- 骨架
- Freedom
- 止
- ,
- 功能
- 未来
- 其他咨询
- 产生
- 得到
- 越来越
- 给
- 给
- 给予
- 全球
- Go
- 非常好
- 治理
- 授予
- 补助金
- 图形
- 团队
- 增长
- 指南
- 方针
- 处理
- 处理
- 发生
- 有
- 持有
- 托管
- 创新中心
- How To
- HTML
- HTTPS
- IAM
- 身分
- 履行
- 实施
- 实施
- 器物
- 重要
- 改善
- in
- 包括
- 包括
- 包含
- 增加
- 独立
- 指标
- 个人
- 行业中的应用:
- 信息
- 基础设施
- 創新
- 创新
- 可行的洞见
- 代替
- 仪器
- 集成
- 诚信
- 房源搜索
- 接口
- 接口
- 内部
- 介绍
- 介绍
- IT
- 本身
- 旅程
- JSON
- 保持
- 键
- 知道
- 湖泊
- 景观
- 大
- 大规模
- 层
- 层
- 铅
- 领导
- 学习用品
- 学习
- Level
- 各级
- 有限
- 线
- 链接
- 圖書分館的位置
- 长期
- 机
- 机器学习
- 制成
- 主要
- 维护
- 使
- 制作
- 管理
- 管理
- 颠覆性技术
- 管理方案
- 经理
- 经理
- 管理的
- 要求
- 强制性
- 制造业
- 许多
- 营销
- 数学
- 问题
- 手段
- 机制
- 医生
- 药用
- 中等
- 满足
- 提到
- 元数据
- 方法
- 微软
- 可能
- 百万
- 最小
- 采矿
- 失踪
- 模型
- 模型
- 现代
- 修改
- 改性
- 模块化
- 更多
- 最先进的
- 最受欢迎的产品
- 多
- 命名
- 本地人
- 需求
- 打印车票
- 需要
- 网络
- 虽然
- 全新
- 新解决方案
- 下页
- 新
- 诺和诺德
- 数
- 对象
- 供品
- 奥克塔
- 一
- 组织
- 组织
- 举办
- 起始地
- OS
- 其他名称
- 其它
- 最划算
- 己
- 拥有
- 业主
- 业主
- 所有权
- 拥有
- 巴黎
- 党
- 多情
- 患者
- 模式
- 模式
- 对等
- 允许
- 权限
- 人
- 亲自
- 拍字节
- 制药
- ii
- 平台
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 政策
- 政策
- 热门
- 门户网站
- 港口
- 可能
- 帖子
- 帖子
- 功率
- Power BI
- Prepare
- 呈现
- 小学
- 过程
- 处理
- 制片人
- 产品
- 热销产品
- 所以专业
- 专业人士
- 提供
- 提供
- 优
- 目的
- 目的
- 把
- 质量
- 题
- 达到
- 读者
- 接收
- 承认
- 减少
- 地区
- 法规
- 稳压器
- 有关
- 关系
- 发布
- 更换
- 知识库
- 代表
- 请求
- 要求
- 要求
- 必须
- 需求
- 岗位要求
- 研究
- 资源
- 资源
- 尊敬的
- 响应
- 责任
- 提供品牌战略规划
- 限制性
- 角色
- 角色
- 运行
- 运行
- SaaS的
- 安全
- 销售
- 同
- 可扩展性
- 可扩展性
- 鳞片
- 科学
- 科学家
- 科学家
- 搜索
- 其次
- 次
- 保安
- 自助服务
- 敏感
- 系列
- 服务
- 特色服务
- 服务
- 会议
- 招生面试
- 格局
- 几个
- 共享
- 应该
- 显示
- 如图
- 作品
- 简易
- 同时
- 单
- 单数
- 坐在
- 尺寸
- 减慢
- 小
- 社会
- 软件
- 软件作为一种服务
- 方案,
- 解决方案
- 一些
- 来源
- 专门
- 具体的
- 特别是
- 速度
- 分裂
- 标准
- 开始
- 州/领地
- 州
- 存储
- 商店
- 存储
- 善用
- 努力
- 结构化
- 主题
- 顺利
- 这样
- SUPPORT
- 支持
- 支持
- 可持续发展
- 产品
- 采取
- 目标
- 目标
- 团队
- 队
- 文案
- 原则
- 国家
- 其
- 因此
- 第三
- 三
- 通过
- 始终
- 次
- 至
- 一起
- 也有
- 工具
- 工具
- 合计
- 对于
- 追踪
- 可追溯分析仪
- 跟踪时
- 传统
- 翻译
- 翻译
- 用户评论透明
- 试验
- 三倍
- true
- 信任
- 转身
- 类型
- 普遍
- 一般
- 我们
- 最终
- 工会
- 单元
- 单位
- us
- 用法
- 使用
- 用户
- 用户
- 折扣值
- 多才多艺
- 方法
- 基于网络的
- 定义明确
- 什么是
- 这
- 而
- WHO
- 将
- 中
- 也完全不需要
- 工作
- 一起工作
- 工作
- 工作流程
- 职场
- 合作
- 全世界
- 将
- X
- 年
- 和风网